#591 ครีเอทีฟโฆษณา AI ที่ชนะและที่พัง: แผงผู้เชี่ยวชาญ Reface/Bite Pal

https://www.youtube.com/watch?v=aVOhbL4eutc · App Masters · อัปโหลด 2026-06-16 · ยาว 43:43 · ชื่อเดิม: The AIGC Ad Creatives Crushing It vs. The Ones Flopping · ซับ auto-caption YouTube (ไม่ได้ฟังเสียงซ้ำ ไม่ได้ดูภาพ) · AI สรุป

⚡ สรุปสั้น

แผงสนทนาจากงาน Business of Apps London ที่ Anton (Reface/Bite Pal) และ Nathan (Perceptycs) โชว์โฆษณาที่สร้างด้วย AI จริง แล้วเล่าว่าอะไรได้ผลและอะไรพัง

ข้อสรุปหลักคือผลิตครีเอทีฟด้วย AI ถูกลงมาก แต่ปัญหาจริงคือการหาโฆษณาที่ชนะ ซึ่งทำนายล่วงหน้าไม่ได้ จึงต้องทดสอบหลายแบบให้หลากหลาย

ไอเดียหลักและตัวผลิตภัณฑ์ยังต้องมาจากคน ส่วน AI ช่วยคูณและทำตัวแปรรอบ ๆ ทีมเล็กที่เก่งแล้วใช้ AI เต็มที่จะได้เปรียบ

📌 ประเด็นสำคัญ (อ้างนาที)

• Nathan บอกว่า AI ที่สร้างผลลัพธ์มากสุดในปีที่ผ่านมาคือ Claude ช่วยให้ทีมโกรทส์ปล่อยการทดลอง onboarding/paywall ได้เองโดยไม่ต้องรอทีมดีฟ [02:39]
• Anton ใช้ n8n เป็นตัวเชื่อมโมเดลต่าง ๆ ทั้งกระบวนการตั้งแต่ครีเอทีฟ การซื้อโฆษณา ถึงการสร้างรายได้ และบอกว่าถ้าต้องเลือกอย่างเดียวคือ n8n [03:09]
• โฆษณา Bite Pal เดือนกุมภาพันธ์ใช้อินฟลูเอนเซอร์จริงเป็นจุดยึด แล้วเปลี่ยนพื้นหลัง เมนูอาหาร เสื้อผ้า เพลง ได้หลายร้อยเวอร์ชัน อยู่รอดได้มากกว่าหนึ่งเดือน [04:44]
• การเปลี่ยนพื้นหลังทำให้ผลต่างได้ประมาณ 20-30% และช่วยขยายไปยังกลุ่มตลาดที่กว้างขึ้น [09:19]
• Reface มีเครื่องมือภายในชื่อ Pavuk ที่เสียบโมเดลหลายตัว (Kling AI, ElevenLabs, Suno, Nano Banana) ให้ดีไซเนอร์ลากวางประกอบครีเอทีฟ จุดเด่นคือความหลากหลายของครีเอทีฟ ไม่ใช่ปริมาณ [05:46]
• โฆษณาแรคคูนเต้นที่เห็นชัดว่าเป็น AI ทั้งภาพและเพลง ก็ยังมีคนคลิก ทั้งแนวความจริงแท้และแนว AI ชัด ๆ ใช้ได้ผลทั้งคู่ [10:56]
• Reface แจ้งผู้ใช้ชัดเจนผ่านป๊อปอัปว่าใช้ Gemini ส่งข้อมูลให้ Google และจาก A/B test ไม่เห็นผู้ใช้หลุดเยอะ [12:26]
• Bite Pal ใช้เวลาประมาณหนึ่งปีก่อนมี positive economics โดยรันโฆษณาตลอด และมีแอปอื่นที่ทำเงินช่วยหนุน [14:57]
• Nathan ใช้เวลา 15 นาทีสร้าง 20 โฆษณา แต่โมเดลยังไม่สม่ำเสมอ บางเวอร์ชันพัง (เช่นชุดเสื้อผ้าผิดรูป) จึงต้องสร้างหลายเวอร์ชันแล้วคัด [18:04]
• ต้นทุนการผลิตครีเอทีฟไม่ใช่ปัญหาหลัก ปัญหาคือหาโฆษณาที่ชนะ เพราะค่าโฆษณาสูงกว่าค่าผลิตมาก [26:48]
• ไม่มีใครทำนายผู้ชนะได้ อัตราชนะมาตรฐานคือ 10-15% และบางครั้งโฆษณาที่เจนใน 1 วินาทีชนะเรื่องเล่าที่ลงทุนมาก [35:27]
• แบรนด์ตามกรอบเข้มทำให้ครีเอทีฟแคบ พอลดข้อจำกัด การตลาดเชิงประสิทธิภาพเริ่มเวิร์ก และสร้างแบรนด์ที่ประสบการณ์ในผลิตภัณฑ์แทน [39:02]
• คาดว่าอนาคตคือทีมเล็กของผู้ปฏิบัติงานระดับสูง 3-5 คนที่ใช้ AI เต็มที่ และการแข่งขันอยู่ที่การกระจาย (distribution) [43:07]

เอาไปใช้ยังไง

ใช้แนวทางหาครีเอทีฟตัวยึด (เช่น UGC จริง) แล้วให้ AI สร้างตัวแปรพื้นหลัง/เสียง/ฉาก เพื่อทดสอบความหลากหลายบน Meta/TikTok แทนการพยายามทำนายผู้ชนะ และให้คนคิดคอนเซ็ปต์หลักเอง ส่วนทีมโกรทส์ลองใช้ AI ช่วยปล่อยการทดลอง onboarding/paywall เร็วขึ้น

🗒️ ข้อควรระวัง

ผู้พูดบางคนเล่าเครื่องมือภายในที่ไม่ได้ขาย (Pavuk, super agent ของ Nathan) จึงทำตามตรง ๆ ไม่ได้ ซับอังกฤษเพี้ยนบางจุด (เช่น ชื่อโมเดล 'Opus 47', 'GPT 54', 'Miniax 27' และเครื่องมือเพลงที่ Anton ไม่แน่ใจว่าเป็น Suno) ควรตรวจชื่อก่อนนำไปอ้าง ข้อมูลเป็นของเดือนมิถุนายน 2026 ประสิทธิภาพ 20-30% เป็นประสบการณ์เฉพาะแอป และโฆษณาที่โชว์ของ Nathan ยังไม่ได้รันจริง

• ✅ ตรวจเสียงจริงแล้ว (whisper) 7 จุด · แก้ 0 จุด · ยังไม่แน่ใจ: ประเด็นที่ 2: เสียงจริงพูดว่า 'ถ้าพูดได้อย่างเดียวคือ n8n/A10' ซึ่งตรงกับสรุป แต่ชื่อแท้ฟังเป็น 'A10' (whisper) จึงยืนยันสะกด n8n ไม่ได้ 100%; ประเด็นที่ 4: ชื่อเครื่องมือ 'Pavuk' และรายชื่อโมเดล (Kling AI, ElevenLabs, Nano Banana) ไม่ปรากฏในช่วงถอดเสียงที่ให้มา (พูดแค่ 'internal tool' และ 'AI model